Supervised learning is een AI-model iets aanleren met voorbeelden waar het juiste antwoord al bij staat. Je laat het duizenden gevallen zien waarvan de uitkomst bekend is, en het leert het patroon dat de input aan die uitkomst koppelt, zodat het het antwoord kan voorspellen op data die het nooit eerder zag.
Het werkt veel als flashcards. Een kind leert een hond herkennen door veel plaatjes te zien die elk hond of geen hond heten, en na genoeg kaartjes herkent het een hond die het nooit eerder ontmoette. Het model doet hetzelfde met trainingsdata: elk voorbeeld komt met zijn antwoord, en de juistheid van die labels bepaalt het plafond van hoe goed het model wordt. Daardoor is datalabeling een van de belangrijkste en meest tijdvretende stappen.
Het is de meest voorkomende vorm van machine learning in het bedrijfsleven, omdat de taken er netjes op aansluiten: is deze mail spam, gaat deze klant opzeggen, is deze transactie fraude. Het contrast is unsupervised learning, dat geen antwoorden krijgt en juist op zoek gaat naar verborgen groepjes. Supervised learning heeft die antwoordsleutel nodig, dus de kwaliteit valt of staat met schone, correct gelabelde historie.
Er zit een valkuil in die het noemen waard is. Een model kan de trainingsvoorbeelden te goed leren, en hun toevalligheden uit het hoofd leren in plaats van het echte patroon, om dan te struikelen op verse data. Dat heet overfitting, en daarom houden teams een stukje gelabelde data apart waar het model nooit op traint, en testen ze daartegen om te zien of het echt leerde of alleen stampte. Slechte labels leveren een zelfverzekerd, fout model, dus het saaie werk van schone data is het hele spel.
Bij TopDevs gebruiken we supervised learning als een klant goede historische gegevens heeft, en zetten we uitkomsten uit het verleden om in een model dat de volgende voorspelt met meetbare nauwkeurigheid.
